区域金融风险特征精选(五篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的5篇区域金融风险特征，期待它们能激发您的灵感。

篇1

关键词：区域金融；金融风险；风险管理

中图分类号：F830 文献标识码：A 文章编号:1003－9031(2011)07－0025－04DOI:10.3969/j.issn.1003-9031.2011.07.06

一、区域金融风险管理的内涵界定

从区域金融风险管理的内容来看，区域金融风险作为中观尺度的金融风险有着不同于宏观金融风险和微观金融风险的管理内容[1]。虽然相对于世界范围的金融风险，区域金融风险可以包括国家金融风险，甚至超国家范围的地区金融风险，但在一般的理论研究中，区域金融风险所研究的区域范围更多地指国家范围内的区域。因此，一般意义上的区域金融风险不具备由宏观尺度的利率风险、汇率风险、购买力风险、政治风险等所引发的整体金融风险的特征。当然，中观尺度的区域金融风险也不完全等同于以信用风险、流动性风险、经营风险为主要特征的微观金融风险，它有明显的区域特性。

从区域金融风险管理的对象来看，区域金融风险虽然是中观尺度的金融风险，但是其发生的现实形态最终也表现为区域内金融机构的微观金融风险。因此，为了有效地管理区域金融风险，必须从影响区域金融风险发生的总体性因素和影响区域内具体金融活动主体的个体性因素两个层面加强管理。

从区域金融风险管理的主体来看，区域金融的发展要受国家和地方两级政府所定的经济政策影响，因此中观尺度的区域金融风险管理主体包括中央和区域两级金融监管部门。在区域层面的金融管理既包括国家对各区域内金融风险的管理，也包括区域政府对本区域内金融风险的管理。因此，区域金融风险管理应包括中央金融监管部门的区域金融风险管理和区域金融监管部门的区域金融风险管理。

二、区域金融风险管理的目标

区域金融风险管理的目标应分为宏观和微观两个层次。对影响区域内金融安全的总体性因素进行管理的目标称为区域金融风险管理的宏观目标；而区域金融风险管理的微观目标则是指以区域内金融的微观运行活动为管理对象的风险管理目标。全国范围的金融安全需要以各区域的金融安全为前提，因此在区域金融风险管理的宏观目标上，中央金融监管部门和区域金融监管部门还是有一致性的，区别主要在区域金融风险管理的微观目标上。

（一）区域金融风险管理的宏观目标

区域金融风险管理的宏观目标是有相对性的，是在区域内相对于影响具体金融活动主体风险因素管理而言的目标，并非国家层面的宏观目标。但总体而言，中央金融监管部门和区域金融监管部门在区域层面的金融风险管理的宏观目标是有一致性的，即维护区域金融稳定，并促进区域金融和区域经济的发展。具体而言，包括以下几点。

1.促进区域金融的平稳发展。任何金融风险管理的首要目标都应是实现金融的平稳发展。一个国家的金融平稳发展要以各个区域的金融平稳发展为基础，中央金融监管部门要实现国家的金融稳定与发展，必须首先保证各区域金融稳定与发展。区域内的金融平稳发展自然也是区域金融监管部门的首要目标。

2.保障区域经济健康运行。由于金融业是一个以经营货币为主的特殊高风险行业，并且金融业在服务于经济的过程中要与社会上各种经济主体发生金融关系，因而其经营活动具有社会性，且与经济风险存在较高的关联度，影响着整个社会经济体系的安全与稳定。因此，在中观区域层面防范区域金融风险是区域经济稳定发展的基本保障，各项区域金融政策应将促进和保障区域经济的健康运行作为主要目标之一。

3.规范和完善区域金融监管体系。金融监管是实现维护金融机构的安全和信誉，保护金融机构安全、稳健的运行，维护公平竞争的金融市场环境的重要途径。一个独立、高效的金融监管体系和一套完整且健全的金融监管制度，对于防范和化解金融风险、保证金融业稳健运行和实现金融政策目标都有重要的意义[2]。由于区域层面相对于国家层面往往更加具有金融监管不规范、不健全的特点，因此在区域层面的金融风险管理更应注意制定合理的法律法规，确保金融机构的资本充足率，引导和督促企业健全风险管理与防范制度，从而建立安全高效的区域金融监管体系，保证区域金融活动的稳定与安全。

4.促进区域金融市场的发展。完备的金融市场体系是有效化解和降低金融风险的必要条件，区域金融风险的管理应有利于促进区域金融市场的发展。具体而言，要注意推动金融产品一级市场、二级市场协调发展；在推动金融产品、金融工具创新的同时，不断加强监管制度建设，建立和健全协调一致而又全面严谨的金融市场法律体系；加强市场各监管部门之间的协调与沟通，以防止出现监管重叠、监管遗漏或监管空缺；建立和完善金融市场监管的长效协调机制和信息共享机制，解决带有综合性与全局性的问题，确保金融体系和金融市场安全、稳定、高效运行。

（二）区域金融风险管理的微观目标

区域金融风险管理的宏观目标需要区域层面的金融管理机构和国家层面的金融管理机构共同实现，但区域金融风险管理的微观目标则是区域层面金融管理机构的主要任务。区域金融风险防管理的微观目标具体包括以下几方面。

1.维护区域内信用体系的良好运行。区域金融安全需要金融机构与居民、金融机构与企业、金融机构与政府等方面建立起诚实、可信、可靠的信用关系。只有每个信用主体都遵守基本的信用规则，严格依法办事，才能为防范区域金融风险打下坚实的基础，从而有效避免区域的内生金融风险。

2.区域内金融机构布局合理。一个区域内的经济与金融要想做到密切的相互配合与相互促进，就需要金融机构及其网点的总量、分布与区域经济、金融发展水平相适应，与区域对金融服务的需求相适应。不同类型、不同规模的金融机构有其不同的市场位置，在功能、业务内容、服务手段、服务对象等方面有各自的特点。因此，合理布局各类金融机构，使各金融机构之间保持适度竞争，从而建立和完善功能良好的金融市场体系，将有利于区域金融风险的管理。

3.区域内金融机构内部控制机制健全，经营稳健。要想有效防范和化解区域金融风险，需要通过各种管理措施促使区域内各金融机构都能做到稳健经营，确保资本的流动性、安全性和效益性，符合资本充足率的要求，并达到资产负债比例的规模对称、结构对称、偿还期对称等。要制定完善合理的区域金融机构管理制度和采取相应措施，促使区域内的金融机构切实建立有效的内部控制机制，明确法人经营管理责任制，完善管理与经营体制，建立起科学的决策程序和制度，完善内部监督机制。

4.区域内金融市场秩序相对稳定。金融市场秩序稳定是金融安全的重要标志，因此，对区域金融风险微观管理的一个重要目标就是维护金融市场相对稳定。具体而言，要通过强化金融监管，确保区域内各金融机构规范经营，杜绝超范围经营、帐外经营、变相提高存贷款利率等现象，创造一个公平、合理、有效的竞争环境，及时有效地消除不安全因素，保障区域金融秩序稳定。同时，规范和强化区域内金融机构的审批与监管，杜绝乱批、乱设金融机构乱集资和社会乱办金融等现象。

总结来看，虽然在区域金融风险管理的宏观目标上中央金融监管部门和区域金融监管部门有其一致性，但在完全的市场经济条件下，国家和地方经济发展的目标并不完全统一，这将导致两级金融监管部门的利益诉求出现不一致，因此其各自最终的主要监管目标还是不同的。中央金融监管部门的主要目标是保持全国范围的金融安全，而区域金融监管部门要以区域金融利益最大化和区域内的金融安全为主要目标。

三、区域金融风险管理策略

金融监管的主要目标不同，加上中央和地方两级金融监管部门可运用的管理资源不同，使得两级金融管理部门对区域金融风险的管理策略有所区别。

（一）以中央金融监管部门为主体的区域金融风险管理

1.实行差异化区域金融管理政策。各区域的经济发展水平和阶段不一致，其相适应的区域经济金融政策也应有差别。中央金融监管部门应在整体经济战略部署不变的前提下，从国民经济整体发展战略和金融有序化出发，根据各地区条件、经济基础、增长方式、产业结构和金融生态环境等特点，在坚持金融总体目标不变的前提下，通过有差别的经济金融政策安排，充分发挥各区域间自然、经济和社会等诸多方面的优势，逐渐降低区域金融风险。

2.构建和谐区域金融生态环境。降低区域金融风险是一个系统工程，构建和谐区域金融生态环境是降低区域金融风险发生的一个重要途径。中央金融监管部门首先应针对区域金融风险特点，有效整合区域金融生态构成要素，推进区域经济平衡协调发展，推进区域诚信文化建设，保障司法公正，缩小区域金融风险差异，减少地区间对金融资源不注重效率的过度竞争。其次要注意加强区域金融市场化，提高金融部门的独立性，减少和尽可能杜绝地方政府对金融资源分配与利用的隐性干预。另外，应建立以政府、媒体和社会中介机构为主体的区域经济金融信息公开共享体系，通过信息的及时披露有效降低区域金融风险[3]。

3.引导资金流向，促进区域经济协调发展。区域经济协调发展是避免区域金融风险发生的重要基础。促进区域经济协调发展的途径很多，最重要的是通过区域发展政策和相应的有差别的财政金融政策引导资金向落后和欠发达地区流动，促进区域经济发展均衡化。比如通过产业政策区域化改善欠发达地区的投资环境；支持欠发达地区发行建设债券；通过补贴、贴息、税收优惠和投资财政担保等手段引导资金流向欠发达地区。

4.引导和探索设置区域差别化的金融结构体系，以规避、分散风险。合理的金融结构体系能够有效地实现规避、分散风险的目的。中央金融监管部门应在统一的金融体系下，根据各区域经济特征，通过对不同地区、不同种类金融机构的审批与设置，构建多样化的金融结构体系，使金融体系结构特征更好地适应区域实体经济发展的需要，避免实体经济风险在金融体系中积累放大。比如对于经济发展较快、社会信用体系比较脆弱的市场化先行地区，可以大力发展信用担保、风险评级等金融中介机构，缓冲实体经济风险向金融机构过度集中；对实体经济产权形式规范、金融资源相对稀缺的地区，可以引导、规范反映市场需求的非正规金融；对于欠发达的贫困地区，为更有效地贯彻实施国家的发展战略，可以探索性地发展区域开发性金融机构，逐步形成与地区经济发展相适应的金融资源配置机制，降低区域金融风险。

5.加强对区域金融监管的重视。在非区域金融视角下，中央金融监管部门的工作重点一般会放在全局性金融风险的防范与监控上。但从现实而言，区域金融监管是全局性金融监管的基础，因此必须加强对区域金融风险的监管力度。除此之外，中央金融监管即便注意到了区域金融风险问题，但往往容易将监管的重点放在对发达地区的金融监管上，然而在一定条件下欠发达地区金融风险爆发的可能性比发达地区还高。因此，加强区域金融监管不但要关注一般区域的金融风险，还要注意不能忽视欠发达地区的金融风险。

6.完善区域金融监管组织体系。健全的组织体系是金融监管的基础，而监管组织体系的建设职责在中央监管部门。因此中央监管部门应根据本国金融体系的现状，制定与本国区域金融特点相适应的区域金融监管组织体系。通过完善区域金融监管组织体系，理顺监管当局各级分支机构、区域辖内各金融机构、各级地方政府、各社会中介机构及社会公众的责权利，更好地将区域金融风险予以避免、转移和化解。

（二）以区域金融监管部门为主体的区域金融风险管理

笼统而言，区域金融监管部门包括区域内的中央金融监管部门的分支机构和地方政府的相关部门。中央金融监管部门的分支机构承担的职责主要是执行中央监管部门下达和规定的金融监管任务，一般没有太多的自。因此，在这种体制下分支机构往往不能承担好区域金融监管的职责。为了更好地对区域金融风险进行管理，一方面，中央金融监管部门应注意加强其地方分支机构的管理职能，给地方分支机构在金融风险管理方面更多的灵活自；另一方面，地方分支机构也应加强自身建设，加强对区域内金融活动的监控，加强金融风险的监测与防控。

地方政府在区域金融的发展过程中扮演着重要的角色，有着极其重要的影响力，而且地方政府在对区域金融风险的监管上具有更大的灵活自主性。因此，地方政府的金融监管相关部门在区域金融风险管理上应发挥最主要的角色。地方政府对区域金融风险的管理应注意以下几个方面。

1.加强地方政府对区域金融风险管理的职能。地方政府在区域金融风险管理上虽然发挥着极其重要的角色，但地方政府对区域金融风险的管理在职责和权利上往往存在着严重的不对称，即地方政府承担了维护地方金融安全的极大责任，但它被赋予的对金融事务的权利及可动用的金融手段却极为有限[4]。因此，中央政府和金融监管部门应赋予地方政府在处理金融风险问题上较大的自和区域金融事务处理权。地方政府也要加强自身金融风险管理能力的建设，除了思想上重视外，还应有独立的区域金融管理协调机构，以加强与区域内金融机构的沟通，推进地方金融资源整合，配合中央金融监管机构，贯彻执行国家有关金融工作的方针、政策和法律、法规的同时，协助中央和地方监管机构整顿与规范金融秩序，协调区域内各金融监管机构处理金融风险防范和化解工作[5]。

2.转变政府职能和管理方式，加强政府金融活动的市场化。区域金融的发展受地方政府所定经济政策的影响，地方政府为了自身利益的最大化，有时会通过非市场手段对区域金融活动进行直接干预。这种干预在金融风险爆发后分散、化解风险时有其益处，但在正常的金融运行状态下则往往容易加重区域金融运行风险。比如我国有些地方政府将银行视为当地政府的职能部门，强行增加政府在银行的债务等，这将大大加重区域金融风险的积累[6]。因此地方政府要尽可能转变政府职能和管理方式，加强政府金融活动的市场化。

3.提高区域经济运行质量，保持区域经济平稳运行。从根本上讲，区域经济运行质量高低与平稳与否是制约区域金融安全运行的最主要因素。区域经济运行质量高，区域金融机构自然效益好，区域金融风险自然小。区域经济运行平稳，经济运行风险小，相应的区域金融风险自然也小。因此，从根本上看，地方政府的主要职责还是发展经济、提高经济运行质量、确保经济平稳运行。

4.指导和促进地方性金融企业的发展。地方性金融企业的发展是完善地方金融市场体系，保持地方金融市场活力的基础。而且地方性金融企业的发展也有利于地方金融资源的涵养、保持，有利于为地方经济的发展奠定坚实的资金来源渠道。而区域金融市场体系的完善和地方金融活动的健康都是地方金融安全运行的重要保证，因此，地方政府在区域金融管理方面应在法律法规允许的范围内合理地指导和促进地方性金融企业的发展。在这一过程中，地方政府一定要摆正自身的位置，处理好市场和政府的关系，避免对企业给予不恰当的、过多的直接干预。

5.加强对区域内金融活动的监管。地方政府比中央金融监管部门更加接近、熟悉区域内的金融活动运行，因此，地方政府在区域内的金融活动监管方面应发挥更加直接的作用。加强对区域内金融机构全面性、经常性的检查和督促，促进区域内金融机构依法稳健地经营和发展，并依法加强对金融机构及其经营活动的领导、组织、协调和控制。

6.在面临区域金融危机时，帮助区域金融机构，实施市场救助。一旦区域金融风险暴露，出现区域金融危机，地方政府应及时采取措施，实施市场救助，保持或恢复区域金融市场信用流动。比如对面临风险或者破产的金融机构和银行的重组或退出给予必要的财政支持；在地方金融机构关闭后由地方财政偿还债务，支付自然人存款债务等。

参考文献：

[1]裴志杰.对我国区域金融风险及防范的研究[D].长春：东北师范大学,2004.

[2]栾景明.论我国金融监管体系的改革与创新[J].财经问题研究，1998（8）:15-17.

[3]黎和贵.区域金融生态环境差异与经济增长效率[J]. 金融论坛，2007（3）：45-52.

[4]耿宝民,韩忠奎,安国涛.地方政府对区域金融风险防范及监管的有效职能分析[J].科技与管理，2008（3）：74-76.

篇2

关键词：区域金融风险；固定效应模型；敏感性分析

中图分类号：F832.33 文献标识码：A 文章编号：

一、文献述评

2015年10月，总理主持召开金融企业座谈会指出：“要维护金融稳健运行，有效防范和化解金融风险，引导和稳定社会预期。坚决守住不发生区域性系统性金融风险底线，为经济持续健康发展作出新贡献”。近年来，对区域性系统性金融风险的防范也成为工作的重点。而从金融风险成因来看，已有研究主要从金融体制、金融政策、国际金融等宏观角度以及金融机构、金融部门、金融业务等微观角度展开。

宏观视角研究系统性金融风险成因的文献多数认为金融体制、财政政策、货币政策、宏观经济环境以及国际金融环境的变动是宏观金融风险的主要成因。如刘尚希、盛夏、Castelnuovo认为货币政策或财政政策等体制转轨因素的变动，是系统性金融风险具有叠加效应的重要原因[1，2，3]。朱波、卢露则进一步研究了新常态下不同货币政策工具对系统性金融风险的影响，并指出存款准备金率和利率两个工具在数量型和价格型的调控下，对系统性风险的影响分别呈现非对称和资产转换效应[4]。陆磊、杨骏亦指出通货膨胀增加了宏观金融的不稳定性[5]。何德旭和苗文龙、Bolton & Jeanne、Pelizzon & Loriana， et al.等指出国际金融市场的波动以及国家债务危机会加剧国际金融周期震荡，增加全球金融环境的不稳定性[6，7，8]。

微观视角的研究多从金融机构、金融产品、金融业务的分析入手，指出资产负债比、资本充足率、利率水平、发达的金融衍生品市场以及管理机制体制的不健全是微观金融风险的重要成因[9，10，11]。项俊波、陈建青等则进一步指出跨业经营、混业经营以及跨市场的金融产品在促进金融市场创新的同时亦是对我国金融市场稳定发展的挑战[12，13]。随着互联网金融的迅速发展，互联网金融风险的识别亦受到了国内外学者的格外关注。如徐立平、张萍、党怀清等指出在新兴金融业态发展的同时，需要防止由于新型互联网金融业务或产品、以及网络操作技术等诱发的系统性金融风险[14，15]。

从区域视角研究系统性金融风险影响因素，宋凌峰、叶永刚则对区域系统性金融风险特点分析的基础上，指出公共部门以及企业部门是区域金融风险形成的主要来源[16]。肖梓光和张东、冯全民和胡松等认为个体金融机构经营失败、地区科技水平差异、信贷管理体制、公众信任危机是区域金融危机爆发的重要原因[17，18]。

通过上述文献分析发现，研究系统性金融风险因素文献虽然较多，但绝大部分研究系统性金融风险的文献主要以宏观和微观的国家和部门作为主要研究对象，而对区域性系统性金融风险情况研究却少有设计，而进一步研究区域金融风险影响因素的内容则更加稀少。本文认为受地区经济发展规模、区域性金融创新与发展的不协调、产业结构变动、资源配置失调、地方政府债务的复杂构成等影响，区域性系统性金融风险有其自身特有的特点。因此，不同于单纯的金融风险影响因素的研究，本文主要目的在于通过构建区域金融风险影响因素模型，探索性研究区域性系统性金融风险的影响因素，并对敏感性进行分析。

二、研究设计、模型构建与数据说明

（一）基本假设

虚拟经济和实体经济定价支持体系的差异，使得系统性金融风险的影响因素呈现多样化趋势。从一个经济独立系统来看，系统性风险的影响因素包括经济方面的利率、汇率、通货膨胀、经济周期等，政治方面的战争冲突，社会方面的体制变革等。近年来中国的系统性风险呈现区域性特征，基于此，从区域性系统性风险的影响因素看，核心因素包括三个：一是实体经济状况，特别是工业企业盈利状况，该影响因素制约着虚拟经济与实体经济的匹配性；二是金融Y构，金融结构包括部门贷款结构、直接融资和间接融资结构，该影响因素制约着融资效率；三是区域投资主体的行为特征，主要表现为人们心理预期对区域性系统性金融风险的影响。基于此，本文提出如下假设：

假设1：影响区域性系统性金融风险的主要因素是实体经济状况、金融结构和预期

金融的发展依赖于实体经济，实体经济为金融市场的发展提供物质基础。金融的本质功能是为实体经济服务，金融是随着实体经济对金融的需求，相应地向更高层次发展。实体经济状况对金融市场的物质性、基础性影响，决定了其成为区域性系统性金融风险的主要因素之一。不同的金融结构对区域性系统性金融风险具有不同的影响，金融资产的部门结构，即金融资产在机构部门之间的比例，制约着系统性金融风险不同的融资方式体现在直接融资和间接融资两个方面，其效率也具有差异性，所以资产分布结构对区域性系统性金融风险具有重要影响。行为习惯、对金融风险偏好都差异，这集中体现在预期中，故预期对系统性金融风险具有重要影响。

假设2：影响因素在不同的区域可能存在差异

根据假设1，影响系统性金融风险的因素主要归纳为实体经济、金融结构和预期三个方面。对中国非均质国家而言，不同区域的实体经济发展阶段、发展水平、产业结构等都具有显著差异性；不同区域的部门结构与产业特征具有密切关系，有些是资金密集型，有些是技术密集型等，不同产业结构对金融需求具有差异性，故其影响机制也具有差异性，故对金融风险影响具有地区差异；不同区域的风险偏好也存在差异和行为也具有差异性，如创新程度高的风险偏好较高，以致引起预期对金融风险影响也具有区域性。

假设3：区域性系统性金融风险是呈线性的影响机制

因为涉及的维度包括时间、空间、不同因素、不同因素之间的独立性等，所以各个影响因素对区域性系统性金融风险影响机制非常复杂。影响因素在不同时间上，可能存在阶段性差异；在不同空间上，可能存在门槛效应等。就本文的研究目标在于几个：一是实证影响因素的存在性；二是不同影响因素对区域性系统性风险影响程度的比较；三是影响区域性系统性风险的独立性，即独立影响还是通过交互效应影响；四是影响因素对区域性系统性金融风险的敏感性。基于研究目标，线性假设会不失一般性，故假设影响机制是线性的。

（二）基于假设的模型设计

根据文章基本假设和数据可获得性的特征，线性面板数据模型能够针对区域性问题进行研究，而同时也考虑了在时间维度上可能存在的差异，可以实现本文的研究目标，故选取线性面板数据模型进行实证研究，其基本形式如下：

式（1）中，PRit表示区域i第t时的金融风险，解释变量EPit为区域i第t时的实体经济景气，衡量经济发展情况；FSit为区域i第t时的金融结构，可用部门结构和融资结构衡量，说明金融资源分配的合理性；MEit为区域i第t时的金融市场预期，反映人们对未来金融市场发展所持有的态度。

对区域金融风险，本文采用设计指标体系并利用层次分析法，测算出区域金融风险指数，作为本文研究的被解释变量 。对于解释变量，选择工业企业亏损额/工业企业总利润作为实体经济运行情况的变量；金融结构的影响因素区分为部门结构和融资结构，本文选择社会融资规模/总贷款为部门结构变量，选择上市公司市值/总贷款作为衡量指标融资结构变量；生产者价格反映市场金融行为的显性指标，故选择生产者价格指数作为衡量预期的指标。通过变量选择，将区域性系统性金融风险的影响因素模型基本形式具体化为可计量的面板数据模型，具体形式如下：

式（2）中，Yit是区域i第t时的金融风险指数，C是常数项，X1it是区域i第t时的工业企业亏损额/工业企业总利润，X2it是区域i第t时的社会融资规模/总贷款，X3it是区域i第t时的上市公司市值/总贷款，X4it是区域i第t时的生产者价格指数， 是随机干扰项。

（三）数据说明

本文数据的空间维度限定在中国大陆31个省（市）级行政区；研究数据的时间维度为2013年1季度至2015年3季度；区域性系统性金融风险敏感性强的特点，故在数据可获取的情况下，时间频率维度选择季度数据。基于此，区域性系统性金融风险指数，影响因素等指标均为2013年第1季度至2015年第3季度的数据。本文所需要的指标数据均来源于三个基本数据库，一是wind数据库；二是中国人民银行网站公布的数据；三是各省（市）统计局网站公布的数据。

表1列示了各变量的描述性统计结果。由表2可知，中国31个区域的金融风险指数均值为32.29，风险情况较好。在工业企业亏损额/工业企业总利润的指标上，其平均值为0.136，说明工业企业亏损额占工业企业总利润的13.6%，工业企业亏损比较严重，从不同区域的情况来看，区域之间具有较大差异，如山西省工业企业亏损额远大于工业企业利润，在2015年，工业企业利润已变为负。在社会融资规模/总贷款的指标上，其平均值为0.147，说明社会融资规模是总贷款规模的14.7%，金融资源用于实体经济的数量远小于贷款的规模，其标准差为0.084，说明该指标在区域之间差异不大。在上市公司市值/总贷款的指标上，其平均值为0.33，而上市公司市值主要是股票价值的反映，说明上市公司的股票融资规模是总贷款规模的33%，由于上市公司在中国区域的分布具有不均衡性，所以该指标在区域之间也存在一定差异。在生产者价格指数上，其平均值为0.946，说明生产持续通缩，企业去库存压力不断增大，对金融市场也会产生下降预期。

三、区域性系统性金融风险影响因素的实证分析

在利用面板数据模型分析区域金融风险影响因素时，本文先利用F检验判断是选择混合效应模型还是固定效应模型，再通过Hausman检验来确定建立是否需要建立随机效应模型。由F检验可知，模型在1%的显著水平下均拒绝混合效应的原假设，应建立固定效应模型。进一步，根据Hausman检验的结果，模型在1%的显著水平下均拒绝随机效应模型的原假设，应建立固定效应模型。为此，本文建立面板固定效应模型，并通过控制变量加入的方式，考察各变量对区域金融风险的影。同时，由于本部分主要研究各变量对区域金融风险影响因素，而不考虑截距的影响，因此不对截距项进行分析。

（一）基于单因素固定效应模型的实证分析

根据式（2），以单变量为唯一的解释变量，并进行参数估计，考察工业企业亏损额/工业企业总利润、社会融资规模/总贷款、上市公司市值/总贷款、生产者价格指数四个单因素变量对区域性系统性金融风险的影响结果，参数估计结果如表2所示。

表2显示，生产者价格指数对区域性系统性金融风险的影响显著性最大，通过1%显著性水平检验，生产者价格指数系数为-15.46，表明生产者价格指数每上升1个单位，区域金融风险会下降15.46%。工业企业亏损额/工业企业总利润对区域金融风险的影响通过10%显著性水平检验，工业企业亏损额/工业企业总利润系数为-0.1023，表明工业企业亏损额/工业企业总利润对区域金融风险的影响较小，工业企业亏损额/工业企业总利润每上升1个单位，区域金融风险会下降0.1023，这说明工业企业亏损越多或工业企业利润越少，反而会降低区域金融风险，而正常情况下应该是工业亏损越少或工业企业利润越多才会使区域金融风险下降，这在一定程度上说明了金融与实体经济发展背离的情况。社会融资规模/总贷款和上市公司市值/总贷款均没有通过显著性检验，表明社会融资规模/总贷款和上市公司市值/总贷款对区域金融风险没有显著影响，也说明了社会融资规模/总贷款和上市公司市值/总贷款不能有效代表金融结构。从拟合优度来看，表2中（1）、（2）、（3）、（4）列的拟合优度均偏低，说明本部分单因素对区域性系统性金融风险不能完全解释，假设1中提出的多变量影响区域性系统性金融风险现象存在，同时需要进一步通过实证验证。

（二）基于多因素固定效应模型的实证分析

多因素固定效应模型的基本形式同样如式（2）所示，在具体实验过程中，通过逐渐加入多个影响因素变量且形成不同线性、独立组合的条件下，多因素对区域性系统性金融风险的影响结果，参数估计结果如表3所示。

表3列示了逐渐加入多个影响因素变量条件下多因素对区域金融风险的影响结果。从表3可以看出，当增加变量时，模型的拟合优度在不断提高，说明各变量均对区域性系统性金融风险有一定程度的影响。在参数整体的显著性上，表4中第（7）、（9）、（10）列的参数整体上比较显著，且拟合优度较高。而在这三列中均有生产者价格指数作为解释变量，说明生产者价格指数对区域性系统性的金融风险有较大程度影响。第（7）列的整体效果优于其它几列，从其参数估计结果来看，仍仅有生产者价格指数通过5%显著性检验，而其它变量均没有通过显著性检验。由此可以说明，在多因素独立作用机制下，工业企业亏损额/工业企业总利润、社会融资规模/总贷款、上市公司市值/总贷款均对区域性系统性金融风险没有显著性影响，仅有生产者价格指数对区域金融风险存在显著性影响，其系数为-14.75，表明生产者价格指数每上升1个单位，区域金融风险会下降14.75。

（三）基于交互固定效应模型的实证分析

上述实证结果说明两个方面问题：一方面各个影响因素对区域性系统性风险的影响有独立性影响，也有非独立性影响。从实证结果发现，生产者价格指数对区域性系统性金融风险存在显著性影响；工业企业亏损额/工业企业总利润在特殊情况下会对区域性系统性金融风险存在显著性影响，但影响程度很低。而社会融资规模/总贷款、上市公司市值/总贷款一直对区域性系统性金融风险不存在显著性影响，且模型的效果均不理想。另一方面，非独立影响的各个因素相互作用后可能存在交互效应。从上述模型实证可以看出，没有通过显著性检验的变量均为金融结构的相关变量，基于此，考虑部门结构与融资结构的交互效应对对区域性系统性金融风险产生影响。再从理论分析，区域性系统性金融风险可能存在系统惯性影响，即当期的区域性系统性金融风险对下一期的风险状态产生显著作用，故在式（2）的基本模型中，变量做适当调整，对其进行参数估计，参数估计结果如表4所示。

从表4第（11）列可看出，当将X2*X3作为解释变量时，该模型的拟合优度最高，工业企业亏损额/工业企业总利润和生产者价格指数均通过显著性，金融结构虽然没有通过显著性检验，但其结果已有明显改善。从拟合优度来看，表5第（11）列的拟合优度优于表4中的所有模型，可以说明在金融结构的影响因素中，部门结构和融资结构是相互作用来对区域金融风险产生影响。进一步考虑区域金融风险滞后一期对风险值的影响，表5第（12）、（13）、（14）列描述了纳入滞后一期风险指数后，参数估计的变动情况。从结果来看，当滞后一期的金融风险指数作为解释变量时，模型的拟合优度有大幅度提高，且滞后一期的金融风险指数均通过1%水平的显著性检验，说明区域性系统性金融风险情况受上一期金融风险指数的影响较大。在表5第（12）、（13）、（14）列中，工业企业亏损额/工业企业总利润和生产者价格指数均通过了显著性检验，而金融结构仍然没有通过显著性检验，但从其t值的变化来看，说明其显著性在不断提高。

考虑到金融市场预期会对金融结构产生调节作用而影响区域金融风险，通过反复比较分析，得出区域金融风险的影响因素模型为：

模型（3）的整体效果最好，从其结果来看，所有变量均通过显著性检验，且拟合优度最高为0.2638，工业企业亏损额/工业企业总利润的系数为-0.124，表明工业企业亏损额/工业企业总利润每上升1个单位，区域性系统性金融风险会下降0.124；金融结构与金融市场预期相互作用的系数为8.648，表明金融结构与金融市场预期共同作用结果每上升1个单位，区域性系统性金融风险会上升8.648；生产者价格指数的系数为-10.89，表明生产者价格指数每上升1个单位，区域性系统性金融风险会下降10.89；区域金融风险指数滞后一期的系数为0.49，表明区域性系统性金融风险对其下一时期的金融风险影响程度达到49%。

通过上述分析可发现，区域金融风险主要受其自身的影响，区域实体经济状况和金融市场预期均会对其产生负影响，而金融结构会在金融市鲈て诘挠跋煜露郧域金融风险产生正向影响。

四、区域性系统性金融风险敏感性实证分析

（一）影响因素变量的系数变动结果

为研究区域性系统性金融风险对工业企业亏损额/工业企业总利润、社会融资规模/总贷款、市公司市值/总贷款和生产者价格指数四个变量的敏感性，进一步利用固定效应模型将区域金融风险指数与各变量进行回归，获得各变量的系数变动情况，结果如表5所示。

表5显示了工业企业亏损额/工业企业总利润、社会融资规模/总贷款、市公司市值/总贷款以及生产者价格指数四个变量各自作为区域性系统性金融风险的解释变量、以及再在其基础上逐渐增加变量形成双变量、三变量模型时，各影响因素变量对区域性系统性金融风险影响的系数变动情况。

（二）影响因素系数变动的敏感性分析

本文进一步通过影响因素的系数变化分析区域性系统性金融风险对各变量的敏感性。从表5可以看出，工业企业亏损额/工业企业总利润作为解释变量时，其系数为-0.102，。当分别加入社会融资规模/总贷款、上市公司市值/总贷款和生产者价格指数作为解释变量时，进行双变量分析时，工业企业亏损额/工业企业总利润的系数越来越靠近0，其系数变化率分别为1.27%，3.25%和21.8%，说明区域性系统性金融风险对生产者价格指数最具敏性。在双变量的基础上再加一个解释变量社会融资规模/总贷款和生产者价格指数进行三变量分析时，工业企业亏损额/工业企业总利润的系数绝对值下降22.78%，变为-0.079，说明社会融资规模/总贷款和生产者价格指数的共同作用对工业企业亏损额/工业企业总利润系数产生最大影响。

社会融资规模/总贷款作为单个解释变量时，其系数为-3.464。当分别加入工业企业亏损额/工业企业总利润、上市公司市值/总贷款和生产者价格指数作为解释变量时，社会融资规模/总贷款的系数越来越靠近0，其系数变化率分别为2.54%，14.26%和86.14%，说明区域性系统性金融风险对生产者价格指数最具敏感性。当加入上市公司市值/总贷款和生产者价格指数时，社会融资规模/总贷款的系数变化114%，由影响变为正影响，系数变为0.485，说明上市公司市值/总贷款和生产者价格指数的共同作用对社会融资规模/总贷款系数产生最大影响。

上市公司市值/总贷款作为单个解释变量时，其系数为1.974%。当分别加入工业企业亏损额/工业企业总利润、社会融资规模/总贷款和生产者价格指数作为解释变量时，上市公司市值/总贷款的系数越来越靠近0，其系数变化率分别为6.89%、13.63%和95.99%，说明区域性系统性金融风险对生产者价格指数最具敏性。当加入工业企业亏损额/工业企业总利润、社会融资规模/总贷款和生产者价格指数时，上市公司市值/总贷款的系数变化102.99%，由正影响变为负影响，系数变为-0.059，说明工业企业亏损额/工业企业总利润、社会融资规模/总贷款和生产者价格指数的共同作用对上市公司市值/总贷款产生最大影响。

生产者价格指数作为单个解释变量时，其系数为-15.46。当分别加入工业企业亏损额/工业企业总利润、社会融资规模/总贷款和上市公司市值/总贷款作为解释变量时，生产者价格指数系数变化率分别为6.34%、2.26%和0.71%，说明区域性系统性金融风险对工业企业亏损额/工业企业总利润、社会融资规模/总贷款和上市公司市值/总贷款的敏感性不大。当加入多个变量时其变化率仍然较小，仅在加入工业企业亏损额/工业企业总利润这一个变量时系数变化最大，系数变为-14.48，说明仅工业企业亏损额/工业企业总利润对生产者价格指数产生一定影响。

通过上述分析可以得出，无论以哪个指标作为固定变量，只要加入生产者价格指数其系数就会产生较大变化，说明区域性系统性金融风险对生产者价格指数的具有较强的敏感性。对于其它指标，只有与生产者价格指数共同作用区域性系统性金融风险才对其具有较强的敏感性，因此区域性系统性金融风险对工业企业亏损额/工业企业总利润、社会融资规模/总贷款和上市公司市值/总贷款比生产者价格指数敏感性程度低。

五、基本结论

文章在基本假设基础上，构建区域金融风险影响因素的模型，并渐进式引入实体经济状况、金融结构和金融市场预期情况影响因素进行实证，并在此基础上进一步分析区域性系统性金融风险对各变量的敏感性，得出以下结论：

第一，实体经济情况、金融结构以及金融市场预期对区域性系统性金融风险的影响具有差异性。基于构建的单因素、多因素各变量对区域性系统性金融风险影响固定效应模型，结果显示生产者价格指数均通过显著性检验、融资结构均未通过显著性检验的回归结果，说明实体经济状况、金融结构和金融市场预期三个影响因素中，金融市场预期即生产者价格指数对区域金融风险的影响程度最大。

第二，实体经济状况、金融结构以及金融市场预期对区域金融风险的具有不同的影响路径。根据多次试验结果，最终确定基于交互效应的区域性系统性金融风险影响因素模型，表明金融结构通过部门结构和融资结构的内部交互作用对区域金融风险产生影响，金融市场预期与金融结构相互影响，进而对区域性系统性金融风险产生正向影响，实体经济状况对区域性系统性金融风险具有直接的负向作用。同时，在模型中通过了显著性检验的滞后一期区域金融风险指数变量，表明区域性系统性金融风险的影响具有惯性特征。

第三，区域性系统性金融风险对实体经济情况、金融结构和金融市场预期的敏感程度具有差异性。基于构建的区域性系统性金融风险与各变量的敏感性分析模型，发现生产者价格变量的加入引起各变量间的系数的较大，表明区域性系统性金融风险对生产者价格指数的敏感性最强；区域性系统性金融风险对实体经济情况以及金融结构的变动只有在生产价格指数的共同作用下才呈现敏感性，即区域性系统性金融风险对工业企业亏损额/工业企业总利润、以及社会融资规模/总贷款与上市公司市值/总贷款比生产者价格指数敏感性程度低。

参考文献：

[1]刘尚希. 宏观金融风险与政府财政责任[J]. 管理世界， 2006（06）：10-17.

[2]盛夏. 美国量化宽松货币政策对中国宏观金融风险的冲击[J]. 管理世界， 2013（04）：174-175.

[3]Castelnuovo E. Monetary Policy Shocks and Financial Conditions： A Monte Carlo Experiment[J]. Journal of International Money and Finance， 2013，32：282-303.

[4]朱波， 卢露. 不同货币政策工具对系统性金融风险的影响研究[J]. 数量经济技术经济研究， 2016（01）：58-74.

[5]许涤龙， 李正辉. 我国宏观金融风险主体的博弈行为分析[J]. 财经理论与实践， 2001（S1）：14-15.

[6]陆磊， 杨骏. 流动性、一般均衡与金融稳定的“不可能三角”[J]. 金融研究， 2016（01）：1-13.

[7]何德旭， 苗文龙. 国际金融市场波动溢出效应与动态相关性[J]. 数量经济技术经济研究， 2015（11）：23-40.

[8]Bolton P.， Jeanne O. Sovereign Default Risk and Bank Fragility in Financially Integrated Economies[J]. Imf Economic Review， 2011.

[9]Pelizzon Loriana， Subrahmanyam Marti G.， Tomio Davide. Sovereign credit risk， liquidity， and European Central Bank intervention： Deus ex machina？[J]. Journal of Financial Economics， 2016.

[10]彭建. 基于系统性金融风险防范的银行业监管制度改革的战略思考[J]. 财经理论与实践， 2011（01）：2-6.

[11]王国刚. 新常态下的金融风险防范机制[J]. 金融研究， 2015（02）：16-22.

[12]Kane EJ. Accelerating Inflation， Technological Innovation， and the Decreasing Effectiveness of Banking Regulation[J]. The Journal of Finance， 1981，36（2）：355-367.

[13]项俊波. 金融风险的防范与法律制度的完善[J]. 金融研究， 2005（08）：1-9.

[14]陈建青， 王擎， 许韶辉. 金融行业间的系统性金融风险溢出效应研究[J]. 数量经济技术经济研究， 2015（09）：89-100.

[15]徐立平. 网络金融风险的监督模式构建[J]. 管理世界， 2014（11）：168-169.

[16]张萍， 党怀清. 互联网金融创新扩散中的策略错配与监管机制[J]. 管理世界， 2015（09）：170-171.

[17]宋凌峰， 叶永刚. 中国区域金融风险部门间传递研究[J]. 管理世界， 2011（09）：172-173.

[18]李成. 区域金融风险控制：中央银行监管系统的轴心[J]. 西安财经学院学报， 2003（01）：21-27.

[19]肖梓光， 张东. 地区科技水平：一个不容忽视的金融风险影响因素[J]. 江西社会科学， 2013（07）：51-55.

[20]冯全民， 胡松. 新常态下县域金融风险累积与防控[J]. 经济研究导刊， 2016（16）：65-66.

篇3

关键词： 金融风险；预警；模糊聚类；神经网络

一、引言

2014年中央经济工作会议明确提出要“高度重视财政金融领域存在的风险隐患，坚决守住不发生系统性和区域性金融风险的底线”。2008年国际金融危机爆发以来，世界各国应对金融危机的经验表明，构建金融体系风险预警机制是必要且可行的。相对于整体金融风险而言，区域性金融风险具有更强的外部传导性和可控性，且一般早于整体金融风险爆发，在某种程度上可被视为整体金融风险的预警信号，因此，作为金融监管的有效补充，研究区域性金融风险早期预警体系并进行预警分析将对金融风险管控具有重要意义。

国外学者对于早期风险预警体系的研究较为系统和成熟，且已有一些金融监管部门建立了早期预警模型，如美联储的SEER评级模型、美国联邦存款保险公司的SCOR模型、法国银行业委员会的预期损失模型、国际货币基金组织的宏观审慎评估模型等。受国际金融危机的影响，近年来国内学者在早期金融风险预警和管理方面的研究也越来越多，但由于预警指标选择、风险状态划分及临界值选择等均不尽相同，因此建立的预警模型也有所差异。本文通过借鉴国内外对金融风险预警指标体系的既有研究成果，综合运用模糊聚类分析、BP神经网络建模等计量分析方法，构建区域金融风险预警体系，以期对区域性金融风险的评估和防范提供客观性依据。

二、总体分析框架及模型构建

本文构建的区域金融风险早期预警体系由三部分组成：首先结合安徽区域特点，构建包括经济因素、财政因素、金融因素、房地产发展、企业经营状况等的区域性金融风险指标体系；其次利用模糊聚类分析对研究样本进行分类，确定BP神经网络预警模型的分割点，为区域性金融风险水平的划分提供一种新思路；最后采用人工神经网络来预测未来金融危机发生的可能性。

（一）区域性金融风险指标体系

区域性金融风险指标选择既要考虑金融风险因素的普遍性，更要体现区域经济金融发展特点。指标选取原则：一是全面性，所选指标尽可能全面反映区域金融风险；二是可得性，所选数据要容易获得，且期间口径未作调整；三是匹配性，数据收集成本与模型预测的经济实用性相匹配。

（二）风险评估的模糊聚类分析

在分析一个时间序列的区域金融风险时，我们可以把指标相似程度高的样本聚集在一起，作为一个整体进行分析，以达到简化的效果。传统的聚类分析是一种“硬划分”，即把每个待识别的对象严格划分到某类中，具有“非此即彼”的性质，这种分类的类别界限也是分明的。然而，在大多数情况下，风险类别可能并没有严格的界定，其类属性方面存在中介性，适合进行“软划分”。模糊集理论为这种划分提供了强有力且有效的分析工具，采用相应的模糊聚类模型，可以取得较好的分类效果。“模糊聚类”概念最早由Ruspini提出，之后人们利用这一概念提出了多种模糊聚类算法。本文运用神经网络来进行模糊聚类，其优势在于神经网络的并行处理结构。

（三）基于人工神经网络的早期预警体系

人工神经网络ANN）是一种在生物神经网络启示下建立的数据处理模型，其具有强大的模式识别和数据拟合能力，最为可贵的是神经网络还有自学习和自适应性。自适应性是指一个系统能够改变自身的性能以适应环境变化的能力，当环境发生变化时，相当于给神经网络输入新的训练样本，网络能够自动调整结构参数，改变映射关系，从而对特定的输入产生相应的期望输出。人工神经网络包括很多种，不同类型的神经网络适用于解决不同的问题，其中最为常用的一种就是BP神经网络，它是一种多层前向神经网络，其权值调整采用反向传播学习算法。而自组织竞争神经网络则使用了与前向神经网络完全不同的思路，采取竞争学习的思想，网络的输出神经元之间相互竞争，同一时刻只有一个输出神经元获胜，因此自组织神经网络主要用于解决分类、聚类问题。鉴于此，本文在进行区域金融风险评估时，运用自组织竞争神经网络进行模糊聚类分析，得出各样本的风险类别；而在构建区域风险早期预警体系时，采用BP神经网络进行分析和预测。

三、区域性金融风险早期预警的实证分析

（一）区域性金融风险监测指标的选取与标准化

金融风险是一个综合性、系统性的概念，单纯选用个别指标不足以反映其真实水平。因此，根据客观性、完备性、科学性、实用性、重要性原则，同时借鉴国内外研究成果，本文选取了经济、财政、金融、房地产、企业经营等方面的17个金融风险评价指标，样本区间为2009年至2014年一季度的安徽省季度数据，并根据指标与金融风险的正负相关性对其进行标准化。

篇4

关键词：金融风险；监测评估：预警

中图分类号：F832.0　文献标识码：A　文章编号：1003-9031(2007)10-0()84-03

金融稳定是经济稳定增长的基础条件。随着金融业开放程度不断扩大和金融业混业经营趋势不断加强，金融创新和金融工具层出不穷，区域金融风险表现出更具隐蔽性、复杂性、联动性和综合性等特征。区域金融风险一旦暴露，对区域经济稳定增长会产生一定的负面影响。如果处理不好，将导致风险大面积扩散和蔓延，甚至有可能长期拖累区域经济的稳定增长。2003年新修订的《中国人民银行法》明确赋予人民银行维护金融稳定的职能，而实际执行中，由于缺乏良好的制度框架和必要的手段和措施，人民银行分支机构在维护区域金融稳定方面处于较为被动的位置。本文从风险预防和危机应对的角度对构建区域金融稳定工作机制提出了若干对策建议。

一、建立金融稳定综合评价体系。增强区域金融风险预测的科学性、有效性和前瞻性

区域金融稳定评价体系的基本设计思路是：从银行业、证券业、保险业和宏观经济等四个方面设计57个量化指标及12个金融稳定预警监测指标，然后利用层次分析法，通过下层指标计算出上层指标值，最后计算得出区域金融稳定综合评价值和风险预警值。用金融稳定综合评价体系来监测区域金融风险有这样几点好处：一是可考虑根据风险指标的时间系列指标的线性分析结果，推导出各风险指标的权重，拚弃由经验法或专家打分法得出风险指标权重的基本思想，从理论基础方法上完善金融稳定评估体系。二是根据经济决定金融的理论，在风险指标的选择上要着重考虑区域经济增长速度、质量、结构以及各经济主体的经济行为等一系列指标对区域金融风险产生的影响程度，并将其作为主要判断标准，站在经济运行的高度分析金融运行的质量。_=三是通过根据过去时间序列指标，预测近、中、远期区域金融稳定状况值及风险因素，增强了预警功能。为制定区域金融风险管理政策提供了决策参考。

二、建立金融机构风险诊断和纠正机制。重点关注潜在风险较高金融机构

当前区域金融风险暴露较多的机构主要是城市商业银行和农村信用社等地方性法人金融机构，可考虑将地方高风险的法人金融机构作为风险诊断和纠正机制的首选对象。对金融机构进行风险提示可引起金融机构对自身风险问题的关注，从外部增加机构改善经营的压力。金融机构的风险诊断机制，其设计可分为以下几个步骤。

第一步，风险指标的选取。其核心指标包括资本风险、流动性风险、信用风险、经营风险和制度风险等5类风险指标。

第二步，确定各个指标的风险提示临界值。按照国际标准和专家的经验判断，确定每一个指标值对应的风险状态的临界值，即提示区间。以资本充足率为例，由于海南没有参加改革，资本充足率的安全临界点设为0％而不是8％，并以4％的幅度作为提示界限，即资本充足率每下降4％，其对应的风险的严重程度提高一个档次。

第三步，数据处理及风险计量。首先对评价指标风险程度进行判断，确定相应的风险等级以及得分。农村信用社风险程度的评定根据风险指标的综合得分进行评定，评定的级别划分为一级提示(轻微)、二级提示(较严重)、三级提示(严重)，分别用蓝色、黄色、红色表示。风险提示机制的建立可以根据风险程度的严重与否按月或按季进行提示。

第四步，发出风险提示函的同时，另可根据风险隐患程度的高低，要求金融机构进行整改。在基层央行获取单个机构风险信息较为充分的情况下，可以逐渐将风险提示机制的覆盖范围扩展到银行业、保险业和证券业等各行业的金融机构。

为促使金融机构对风险诊断机制的重视，应建立整改情况通报制度和高管人员约见谈话制度等配套制度。基层央行对已发出风险提示函的金融机构。应要求其进行整改。对于多次要求其整改而整改不到位的金融机构高管人员，基层央行可对其高管人员进行约见谈话，限期整改。同时，基层央行可将风险监测评估的情况通报其行业监管部门，建议监管部门对存在风险隐患的金融机构采取行动措施，并根据其风险隐患的严重状况和性质可向其上级主管单位或地方政府进行情况通报。快速纠正机制的建立和实施有助于基层央行在金融机构风险隐患初发期及时化解金融风险。

三、建立金融机构风险自评估报告制度。动态掌握金融机构风险状况

为解决基层央行收集银行、证券和保险业等行业监管信息的困难，增强金融稳定部门获取区域内金融机构的风险信息的能力，有必要建立金融机构风险自评估报告制度，直接从金融机构获取第一手风险管理信息。

金融机构风险自评报告制度是基于金融机构对自身风险进行分析和评价的一种制度，其主要内容可以包括：(1)金融机构风险状况。结合监管部门现行监管指标体系，就银行业、证券业和保险业设计专门报表择取反映业务量和盈利能力、流动性变化的指标纳入其中，要求金融机构准确填制，对异动情况作出分析。(2)风险防范和化解。包括金融机构报告期内所发生的各类风险、突发事件。以及有关部门报告的情况、对风险和突发事件处置情况等。(3)内部风险管理和创新发展。包括法人金融机构内部治理结构情况。各金融机构报告期内风险管理体系建设、内部控制制度变化情况，金融机构业务创新对本机构稳健经营的影响，向客户宣传金融产品、业务及投资风险等情况。(4)金融机构检查监督和整改情况。包括报告期内金融机构接受有关管理部门和系统内的检查监督情况，如检查部门、检查频率、检查内容、检查中发现的问题以及整改结果。(5)风险自我评估。金融机构对自身风险程度进行总体评价，对各种风险影响因素的相对重要性的排队以及下阶段拟采取的对策。

四、根据区域产业结构调整的特征。建立重点行业的金融风险监测机制

经济泡沫的形成与区域主导产业迅猛增长以及对短期资金的严重依赖有密切的关系，因此，关注区域主导产业的投资增长速度及信贷融资比例等指标对防范银行风险有重大的意义。在新一轮经济增长周期中，各区域房地产业的贡献度占相当比例，对银行信贷融资的依赖度较大。为此，有必要建立房地产业金融风险监测评估指标体系。对区域房地产市场定期进行监测评估，揭示其金融风险状况。房地产业金融风险监测指标体系包括四个方面：(1)房地产市场情况，包括全区域和重点城市的房地产投资情况、房地产供求、房地产价格等情况。(2)房地产开发融资结构、房地产信贷规模及信贷资产质量等房地产金融指标体系。(3)结合房地产开发商

资金来源结构、开发成本、利润以及居民家庭负债情况的专题调查，着重分析房地产价格上涨的因素以及对银行资产安全性的影响。(4)通过建立人民银行与省统计局价格监测中心、发改厅、建设厅、国土资源厅等政府部门的房地产金融联席会议制度，借助公开媒体，向社会进行风险提示。

五、建立重点企业定点联系机制。掌握金融风险的微观主体运行情况

当前信贷资金向大企业集中的风险日益增大。为有效防范系统性金融风险，基层央行可选择区域内各银行贷款规模前10位的企业作为重点联系企业。并利用征信体系了解其贷款银行及贷款规模、还款情况和风险状况。在此基础上，再通过信贷主银行定期获取企业有关财务情况，并以信贷主银行为中介，采取走访、座谈等形式直接了解企业经营的情况，着重了解企业经营状况对银行信贷风险的影响。具体内容包括：(1)企业内部控制机制、股权结构和治理机制。主营业务情况，主导产品的市场份额和市场竞争力以及产品的创新能力。(2)企业半年和年度的财务状况，包括资产负债情况，销售收入、营业收入和费用以及盈利情况和经营前景预测。(3)报告期企业重大经营事项，包括企业重大投资决策、主要股东股权异动、高级管理人员的任免以及重大战略决策、关联交易等事项。

篇5

自1998年全面推进和实施住房制度改革以来，经过近二十年的快速发展，房地产市场化建设在取得巨大成就的同时，也出现了一些问题。房地产行业是资本密集型行业，离不开金融业和资本市场的支持，两者紧密结合快速发展使得房地产金融风险积聚。风险隐患一旦暴露和形成风险，势必通过风险的传递，损害房地产金融主体的相关利益，不利于房地产市场和资本市场的健康和稳定运行，甚至影响和冲击国民经济发展。对于房地产金融风险的调控一直是各国政府的重要课题，而建立房地产金融风险预警预报和信息披露是管控的主要措施。当前我国有效和完善的房地产金融风险预警系统不多，信息披露准确性有待提高。因此，构建合理有效的房地产金融风险预警系统是非常必要的。借助预警系统预测2017年我国31省市的房地产金融风险状况和评价我国房地产金融风险水平，可以为未来房地产金融风险预警提供分析工具及借鉴。

二、文献综述

（一）房地产金融风险预警指标体系相关研究。Koetter和Poghosyan（2010）认为房地产金融风险主要源于以商业银行为主的金融机构是否稳定运行，进而影响宏观经济波动的可能性。基于此选取德国75个经济区域的人口、GDP等宏观经济因素以及商业银行CAMEL等指标作为预警指标，得出房地产价值偏差及商业银行自身稳定是影响房地产价格的主要因素。国内学者陈万铭（2004）提出分层次和级别建立房地产发展阶段指标、供求状况指标、市场价格指标、投机程度指标等四类宏观风险预警指标体系。其中，房地产发展阶段指标包括房地产投资增长率/GDP增长率、地价增长率/GDP增长率等；房地产供求状况指标包括市场供应增长率/市场吸纳增长率和出清时间；房地产市场价格指标包括房价收入比和实际价格/基础价值；房地产投机程度指标包括住房抵押贷款增长率/居民家庭平均收入增长率等。薛星（2010）、张振勇（2011）具体将房价收入比、房价租金比、租金收入比、房地产价格增长率与GDP增长率之比、商品房空置率5个指标作为房地产市场预警统计指标，并划分预警范围，根据指标数据，确定警兆的警级，结合警兆的重要性进行加权综合为指数，根据指数反映的市场风险表现，为调控房地产提供参考。（二）房地产金融风险预警方法及模型相关研究。1.传统金融风险预警方法及模型。景气指数法、统计预警法和模型预警法是当前金融风险预警的主要方法及模型。模型预警法中，国外学者Grudnitski（1992）探索了神经网络方法在房地产预警中的运用。在其基础上，Witold（2002）通过HP滤波模型建立房地产市场的周期指标。使用GDP、家庭消费支出、可支配收入、投资结构、资产回报作为变量指标，分析房地产价格变化。胡鹏、姚长学和钟叔平（2003）以销售率为基准循环，构建包括销售面积增长率在内的8个指标作为房地产市场先行指标体系，建立房地产市场先行扩散指数预警监测系统，并以此系统对四川房地产市场金融风险进行预警监测。统计预警法主要包括LOGIT、VAR、ARCH和ARMA等。唐根年等（2010）基于格兰杰检验的视角，对我国房地产价格上涨的基础支撑面稳固性进行分析。在此基础上，采用突变模型对我国35个城市房地产风险进行比较和预警。2.症状监测预警方法。美国CDC认为症状监测（syndromicsurveillance）是对临床确诊前的相关数据和疾病可能爆发的信号进行监测，以做出进一步的公共卫生反应。在医学领域，症状监测被广泛应用于疾病的预警与控制相关的理论研究和实践中，由于其预警分析的机理和其他学科或安全事项预警机理相类似。因此，症状监测思想亦被应用于其他领域的预警研究和实践中。庞皓、黎实、贾彦东（2009）创新研究方法，首次将症状监测应用到经济及金融研究领域，基于症状监测的思想，构建了我国金融安全预警机制和系统。韩宝兴、贾彦东（2009）沿着症状检测思路，构建了我国外债安全状态指数并对我国外债安全进行机制分析，结果表明我国外债安全并不稳定，其出现风险可能性有升高趋势。（三）文献述评可以发现：第一，房地产金融风险的生成和传递机制较为复杂，当前对于风险的生成研究侧重于单一主体或市场角度，基于此构建的风险预警指标体系亦显得有失全面，不能全面真实反映风险运行和水平，从而影响预警效果。第二，梳理预警方法和模型的研究发现，当前我国房地产金融风险预警方法及模型基本上是沿用传统金融风险预警的方法和模型，适用并符合房地产金融风险预警特点的专有方法和模型较少。因此，未来有必要从更加宏观的视角研究分析风险生成和传递，建立更加全面有效的预警指标体系和房地产金融风险预警的模型。本文的主要内容即以症状监测作为理论指导，把房地产金融主体作为监控点，选择并确定预警指标的组成，结合预警方法和模型，构建我国房地产金融风险预警系统。然后将构建的风险预警系统应用到我国31个省市2017年房地产金融风险预警，找到未来可能存在的风险隐患，提出相应的风险防范措施。

三、我国房地产金融风险预警系统构建

本文将症状监测思想进一步应用于我国房地产金融风险预警，建立风险监测点（可能病变器官），构建预警指标（症状），前置发现指标特征（症状表现），合理预判风险类型（疾病类型），管控和防范风险发生（疾病爆发），形成稳定健康的房地产金融系统。（一）预警主体选择。在整个市场体系中，房地产金融各组织机构作为风险的主体，通过风险载体即房地产金融产品或工具及宏观经济和政策的影响，使得风险在各主体间生成和传导。初级市场体系中，主要的房地产金融主体是房地产金融机构、房地产企业和房地产消费者。二级市场体系中，房地产金融机构将来自房地产企业和房地产消费者的抵押贷款进行打包发售，建立一定流动性的资产池，发售证券、信托计划等在资本市场进行发售，获得资金的回流。如下图2所示，风险的传递离不开各类金融融资产品和工具这一风险载体，通过载体的传递，将不同原因导致的风险发生的可能性传递到相应主体自身。本文最终选择金融机构、房地产开发企业、房地产消费者、宏观经济政策变化作为风险的主要来源即预警主体。（二）预警指标体系构建。1.预警指标组成。在前人有关房地产金融风险指标选择研究基础上，本文依据症状监测的症状非特异性、时间性、空间性和指标体系构建原则要求基础上，对预警指标进行扩充和改进，具体如表1所示。指标体系分为四个监测点（预警主体），金融机构（A监测点）、房地产企业（B监测点）、房地产消费者（C监测点）、宏观经济（D监测点）。表1中四个监测点共计10个指标构成我国房地产金融风险预警指标体系。按照陈万铭（2004）对我国房地产金融风险预警指标的分类，其主要分为房地产发展阶段指标、房地产供求状况指标、房地产价格指标和房地产投机程度指标四类风险预警指标。（1）房地产发展阶段指标。该类指标从宏观经济和房地产市场发展周期角度考察风险的生成和传递。在发展时期由于房地产市场资金的快速集聚，消费者对房地产市场的向好心理预期不断加强，房地产泡沫存在的可能性加大，易导致房地产市场风险的产生和积聚不断向金融系统蔓延和传递。第一，房地产开发企业贷款余额/金融机构贷款余额（A1）。信贷杠杆是推动房地产泡沫的主要力量，金融机构过大房地产贷款占比易导致泡沫风险从房地产市场向金融系统转移和传递。第二，房地产投资增长率/GDP增长率（D2）。在宏观经济处于成长和繁荣时期，房地产市场对于宏观经济的支撑作用较为明显，D2的数值可能偏大，这也是泡沫风险最易产生的时期；较低的D2值也可能代表衰退型房地产市场存在可能性。（2）房地产供求状况指标。房地产金融风险传递的主要原因之一源自房地产市场产品和资金的供求失衡。第一，房地产开发企业销售额增长率（B3）能准确反映房地产市场供需状态。过大的B3值说明市场对于房地产的需求较大，销售额增长越快，企业越有动力进行房地产开发投资。第二，人均房产税/城镇人均可支配收入（C2）。该指标同样反映消费者对于房地产需求的影响。房产税占可支配收入比例过大会带来消费者对购买房地产的负担和消极态度，减少对于房地产需求。第三，人口增长率（D1）。从宏观层面反映对于房地产的需求情况，人口越多，对于房地产的刚性需求越大，从而影响房地产市场的供给和投资。（3）房地产价格指标。房地产价格是房地产商品实际价值的直接体现，影响着房地产的有效需求。房价增长率/城镇人均可支配收入增长率（C1）是价格指标的典型代表。C1值的增加一方面说明房价相较于收入不断增加，高房价的消费者可能加大个人住房贷款比重，造成道德风险和信用风险向金融机构的传递。（4）房地产投机程度指标。高利润的房地产金融行业易吸引投机资本的进入，造成市场供求失衡和投机风险暴露。第一，资产负债率（B1）。过高的资产负债率表明企业资金杠杆较高，投机程度较大，可能造成企业发生流动性风险。第二，房价增长率/地价增长率（B2）。其表示房价和地价的增长速度快慢。过大的B2值，一定程度上反映企业拿地成本相对较低，而销售价格相对偏高，形成高利润而引诱投机资本的加入，一旦泡沫破灭即造成风险暴露。第三，M2增长率（D3）和贷款基准利率（D4）。M2货币供应量的多少和贷款基准利率的大小一方面影响房地产市场资金的供求状况，另一方面也可能造成基于投机目的的房地产开发投资。2.警限划分。对应上文划分的不同范围域对应不同指标特征表现，只有当指标处于正常特征范围域以内，才保证房地产金融的安全；超出特征范围域以外，则可能出现一定房地产金融风险。本文采用3δ法作为范围域的划分方法。其认为数值分布位于平均值加减正负3倍标准差之外的概率为1%，可被作为异常值处理。本文将这一方法进行细化改进，正负1倍标准差之外的数值作为关注指标，2倍标准差之外的数值作为控制指标，3倍标准差之外数值作为恶化指标，从而将指标划分为过冷、冷、偏冷、正常、偏热、热、过热7个特征。μ,σ分别表示平均值和方差，“正常”表示该指标无风险，特征范围为(μ-σ,μ+σ)；“偏冷”或“偏热”表示应该对该指标进行关注，范围分别为(μ-2σ,μ-σ)，(μ+σ,μ+2σ)；“冷”或“热”表示该指标出现不良趋势，应加以控制，范围分别为(μ-3σ,μ-2σ)，(μ+2σ,μ+3σ)；“过冷”或“过热”表示该指标已经恶化，有爆发风险的可能性，范围分别为(-∞,μ-3σ)，(μ+3σ,+∞)。3.预警方法及模型选择。根据我国大陆行政区域划分，将我国分成31个省市，考虑到预警精度的要求以及我国房地产市场在2000年才开始逐步发展的实际情况，搜集每一个省市的2001~2014年的表1中10个指标数据。如表2所示，结合BP神经网络和Matlab编程，输入2001~2010年的指标数据作为训练样本，为降低年限的关联影响，间隔3年期为标准，输出2013年指标数据作为训练目标，待训练完成后，输入2002~2011年症状数据作为检验样本，输出2014年数据作为检验目标，待检验效果符合误差范围，分别输入2004~2013年、2005~2014年指标数据作为预警样本，输出2017年指标数据作为预警目标，将目标值与特征范围进行对比，得到特征表现。

四、我国房地产金融风险预警——以贵州省为例

（一）样本数据与警限划分。鉴于31个省市预警过程相同，为节省篇幅，本文以贵州省为例进行预警分析，其他省市预警过程省略。表3为2001~2014年贵州省房地产金融风险指标数据。然后据表3指标数据，可得各指标的特征范围，设置预警范围。见表4。其中μ、δ分别表示均值和标准差。（二）样本检验。利用前文BP神经网络模型和Matlab编程对样本进行训练，训练次数为5000次，权值和阀值都为0.5，训练精度为10-6。神经元个数范围为（5，15），输入2001~2010年指标训练样本和2013年训练目标，得到最佳神经元个数为9，进而得到训练完成的BP神经网络模型，对其输入2002~2011年检验样本，得到2014年模拟值并将其与2014年真实值进行比较，按照指标特征作为参考标准，若经过MATLAB训练样本得到的2014年检验模拟值表现特征与2014年真实值特征均表现为正常，则神经网络训练较好，准确率为100%，可以引用到接下来的房地产金融风险预警，如表5。表6即通过预警模型得到2017年贵州省房地产金融风险指标特征。2017年，A1偏冷，其意味着贵州省房地产开发企业贷款余额占比金融机构贷款余额比较少；B类指标中B2、B3偏冷可知房地产价格增长率相对于土地价格增长率缓慢，房价的增长率低于地价增长率，导致地产商成本上升，资金负荷过大；而房地产开发企业销售额有所下降，会导致房企利润下降资金回笼缓慢。C类和D类指标中，C1和D3偏冷说明2017年宏观货币M2投放量增速会继续放缓，贵州省房地产市场继续受到宏观调控影响，房地产企业开发贷款占银行贷款余额的比重不高，房价增长率放缓，而D1过热表示会因为人口增长率上升，导致居民增大购房需求。鉴于其他指标的正常表现，可以判断贵州省2017年房地产市场属于继续去库存的一年，供给端继续偏冷，房价增长率小于地价增长率，房地产开发企业会减少房地产的开发，从而减少成本损失。或会因为人口上升导致居民增大购房需求；房地产继续去库存量，房地产金融风险总体保持稳定，但需要防范某些房地产企业资金回笼缓慢，拿地后资金链断裂无法支付银行贷款和工程款的风险。（四）我国31省市房地产金融风险预警分析。1.我国31省市2017年房地产金融风险预警分析。按照上述房地产金融风险预警过程，本文对我国大陆31个省市进行预警分析，得到2017年我国房地产金融风险指标的表现。8所示。2017年我国房地产金融风险异常指标主要集中于A1（房地产开发贷款余额/金融机构贷款余额）、B2（房地产价格增长率/土地价格增长率）、C1（房地产价格增长率/人均可支配收入增长率）、C2（人均房地产税/城镇人均可支配收入）、D1（人口增长率）、D2（房地产投资增长率/GDP增长率）。如表8所示，其中，北京、天津、山西、海南的A1指标表现过热，房地产开发贷款余额占比金融机构贷款余额过大；吉林等7省市A1指标表现为热，各地应该加大该指标的监管；辽宁省房地产开发企业贷款占比金融机构贷款有所下降，可能与东北地区经济发展降速和人口减少有关；其余20省市在A1指标上表现正常。B2指标中，广西、海南、重庆三地房地产价格增速明显，福建、山东及四川房地产价格亦有所上升，上述地区经济发展较好，房地产市场健康发展；而辽宁为主的东北地区房地产价格增速显著下降。C1指标中，、山西、上海、安徽、广西、云南等地的房地产价格相较于当地人均收入来说，增幅过快，房地产购买力会有所下降。C2指标表现中，河北等10省市指标较热，即人均房地产税相较于人均可支配收入来说相对过多，潜在影响该地区对房地产的需求。上海等5省市D1指标较热，即上述五省市未来人口有所增加，提升房地产消费需求。天津、广西等房地产投资额增长较快，会加大房地产供给；内蒙古、吉林、辽宁、河北等房地产投资增幅慢于GDP增长幅度，意味着未来上述区域的房地产供给有所下降，房地产市场不太景气。从表7中指标恶化率可以得到，指标恶化率超过20%的有11个省市，其中天津、上海、安徽、河南、四川、六省市指标恶化率为30%，河北、辽宁、吉林、广西、海南五省市为40%，江苏、湖北、湖南、广东、宁夏五省市恶化率为0，其他省市指标恶化率均为20%。华北区域主要集中于京津冀地区和东三省、豫皖地区、琼桂地区、川渝地区、甘藏地区等六个区域。其中京津冀地区主要是A1指标较热和C1指标较冷，即房价相对于人均收入增幅较低，可能导致较大的房地产需求，促使房地产企业加大贷款规模进行房地产开发和供给。东三省主要是D2指标的过冷，即2017年东三省区域房地产投资增速严重下滑，可能影响经济发展。琼桂川渝地区主要是房地产价格增幅远远高于土地价格增速，可能造成大规模房地产开发供给和投机行为，产生房地产市场泡沫。甘藏地区的问题主要体现在相对于人均收入增速来说，该区域的房地产价格增幅和房地产税收增幅较大，可能抑制房地产需求，给房地产销售和供给带来较大压力。加之过大的房地产贷款占比会给房地产企业带来较大的经营压力，可能产生企业违约和信用风险。因此，相较于2016年，可以预测2017年我国房地产金融风险在深度上有所强化；在广度上，风险有进一步向区域集中化和多范围扩散化的趋势，产生风险的可能性有所增加，应进一步加大相关异常指标的关注和控制，防范区域性房地产金融风险的产生。2.预警结论。综上预警分析，本文认为我国2017年爆发恶劣型区域性房地产金融风险乃至整体性和规模化的房地产金融风险可能性较低。可能产生风险的原因主要集中于房地产企业贷款余额占比金融机构贷款余额过大、房地产价格的快速上涨、房地产税负的区域不合理征收、不同区域房地产投资建设逐步分化以及区域房地产金融风险的积蕴等。

五、我国房地产金融风险防范